R语言中的管道操作
这是R数据科学的读书笔记之一,《R数据科学》是一本教你如何用R语言进行数据分析的书。即便我使用R语言快2年多了,但是读这本书还是受益颇多。
这一篇学习笔记对应第13章:使用magrittr进行管道操作。关于管道这个概念,我最早在Linux系统中接触,它是Unix系统设计哲学的体现,“组合小功能完成大任务”,比如说BWA比对后排序用管道的写法就是
bwa mem ref 1.fq 2.fq | samtools sort > align.bam
在R语言接触管道符号"%>%"是在学习dplyr
包时候,那个时候我以为这个符号是 Hadley Wickham 创造出来的,其实是来源于Stefan Milton Bache开发的magrittr
中。
基础部分
在没有管道符号之前,如果我要对一个变量做一系列的分析的话,那么写法是下面这个样子
# 先创建100个随机数
nums <- rnorm(100)
# 分成两列
nums_matrix <- matrix(nums, ncol = 2)
# 分别求两列的均值
nums_mean <- Matrix::colMeans(nums_matrix)
这里面我写了很多中间变量,要多敲很多字,而且如果我要修改输入的话的100个随机数的话,我需要修改两处。当然可以进行函数嵌套.
Matrix::colMeans(matrix(rnorm(100), ncol=2))
但是这种写法不利于人的阅读,当我读到这个函数的时候,我需要先连续往大脑里塞进去两个函数后,才能抵达核心,然后再从里往外解析。
但是有了管道符号之后一切就不一样了,写法就是
rnorm(100) %>% matrix(ncol=2) %>% Matrix::colMeans()
你会发现从左往右阅读,代码读起来非常的流畅。
虽然管道看起来很美好,但是在如下的场景中就不太适合了,
- 操作步骤特别的多,比如说10个,那么你就需要用一些有意义的中间变量来存放中间结果,方便调试
- 多输入多输出。比如说A和B输入,输出C和D
- 操作步骤构成了一张复杂关系的有向图,比如说D结果依赖于B和C,而B和C依赖于A。
简单点说,就是类似于A > B > C > D 这种场景用管道比较好。
除了%>%
这个好用的符号外,magrittr还提供了其他三个比较好用的符号,%$%
,%<>%
和%T>%
。
高级部分
上面都是常规操作,作为有一定基础的R语言使用者,更希望探索点这个符号的本质。
首先明确一点,在R语言中一切符号本质上都是函数,比如说"+"也是一个函数,常规用法都是1 + 2
, 但是我们可以用函数的方式来写哦
`+`(4,5)
# 9
因此rnorm(100) %>% matrix(ncol=2)
其实应该理解成
`%>%`(rnorm(100), matrix(ncol=2))
那么我们就可以看看管道符号的源代码了
?magrittr::`%>%`
function (lhs, rhs)
{
parent <- parent.frame()
env <- new.env(parent = parent)
chain_parts <- split_chain(match.call(), env = env)
pipes <- chain_parts[["pipes"]]
rhss <- chain_parts[["rhss"]]
lhs <- chain_parts[["lhs"]]
env[["_function_list"]] <- lapply(1:length(rhss), function(i) wrap_function(rhss[[i]],
pipes[[i]], parent))
env[["_fseq"]] <- `class<-`(eval(quote(function(value) freduce(value,
`_function_list`)), env, env), c("fseq", "function"))
env[["freduce"]] <- freduce
if (is_placeholder(lhs)) {
env[["_fseq"]]
}
else {
env[["_lhs"]] <- eval(lhs, parent, parent)
result <- withVisible(eval(quote(`_fseq`(`_lhs`)), env,
env))
if (is_compound_pipe(pipes[[1L]])) {
eval(call("<-", lhs, result[["value"]]), parent,
parent)
}
else {
if (result[["visible"]])
result[["value"]]
else invisible(result[["value"]])
}
}
}
这个代码的核心在于如下两行
env[["_function_list"]] <- lapply(1:length(rhss), function(i) wrap_function(rhss[[i]],
pipes[[i]], parent))
env[["_fseq"]] <- `class<-`(eval(quote(function(value) freduce(value,
`_function_list`)), env, env), c("fseq", "function"))
这两行干的活其实是进行词法转换,也就是把我们之前的管道串联起来的部分转换成
my_pipe <- function(.){
. <- rnorm(.)
. <- matrix(., ncol = 2)
. <- Matrix::colMeans(.)
}
my_pipe(100)
多说两句
考虑到在管道里面用"+"."-"这些函数时用到`+`或许会有点诡异,于是magrittr
给这些符号命名了对应的别名,如下
extract `[`
extract2 `[[`
inset `[<-`
inset2 `[[<-`
use_series `$`
add `+`
subtract `-`
multiply_by `*`
raise_to_power `^`
multiply_by_matrix `%*%`
divide_by `/`
divide_by_int `%/%`
mod `%%`
is_in `%in%`
and `&`
or `|`
equals `==`
is_greater_than `>`
is_weakly_greater_than `>=`
is_less_than `<`
is_weakly_less_than `<=`
not (`n'est pas`) `!`
set_colnames `colnames<-`
set_rownames `rownames<-`
set_names `names<-`